一种数据处理方法、装置、服务器和介质与流程

1.本发明实施例涉及通信技术领域，尤其涉及一种数据处理方法、装置、服务器和介质。


背景技术：

2.flink是一个面向分布式数据流处理和批量数据处理的开源计算平台，它主要由java代码实现，具有高吞吐量和低延迟的特性。通常，在数据模型(即业务模型)创建过程中，需要接入大量数据源。而在基于flink框架进行数据源接入时，需要针对每一个数据源读取任务进行编程，开发一个java程序代码包，从而由计算机直接根据java程序代码包的内容读取确定的数据内容并进行输出。
3.但是，在实现本发明的过程中，发现现有技术中至少存在以下技术问题：由于在业务模型开发的过程中，需要接入的数据源数量较大，分别为每一个数据源接入任务开发一个java程序代码包导致开发人员工作非常繁琐，工作量大，且多个java程序代码包占用计算机设备存储空间更多。


技术实现要素：

4.本发明实施例提供了一种数据处理方法、装置、服务器和介质，以实现在接入数据源的过程中，基于一个通用程序代码包，动态配置各数据源接入的参数，减小了程序代码包对内存的占用，还能够减少开发人员的工作量。
5.第一方面，本发明实施例提供了一种数据处理方法，该方法包括：
6.当接收到至少一个数据处理任务启动指令时，识别各数据处理任务启动指令中的数据处理任务标识；
7.根据所述数据处理任务标识分别读取各数据处理任务对应的数据处理参数；
8.分别将每一个所述数据处理任务对应的数据处理参数代入至预设通用数据处理业务代码中，并执行参数代入后的预设通用数据处理业务代码，完成数据处理任务。
9.可选的，所述预设通用数据处理业务代码包括动态配置代码段，所述分别将每一个所述数据处理任务对应的数据处理参数代入至预设通用数据处理业务代码中，包括：
10.针对每一个所述数据处理任务，将所述数据处理任务对应的数据处理参数作为实际参数传入到所述动态配置代码段中形式参数的参数位置，以取代形式参数。
11.可选的，所述数据处理业务包括数据源接入任务，所述数据处理参数包括数据源类型、数据源连接标识、数据改表输出类型、输出参数、数据单表字段、数据算子名称及算子并行数量中的至少一项。
12.可选的，所述执行参数代入后的预设通用数据处理业务代码，完成数据处理任务，包括：
13.根据所述数据源连接标识连接对应的数据源类型的数据源，并获取所述数据源发出的第一数据表；
14.提取出所述第一数据表中，所述数据单表字段对应的数据，并根据所述数据算子名称对应的算子方法对所述数据单表字段对应的数据进行处理；
15.将经过算子处理的数据依据所述输出参数进行输出并保存，得到第二数据表，完成数据处理任务，其中，所述输出参数包括输出数据库标识、所述第二数据表的索引名和标题。
16.可选的，数据处理方法还包括：
17.根据所述算子并行数，启动对应数目的flink任务线程，以使启动的各flink任务线程并行执行参数代入后的预设通用数据处理业务代码，完成数据处理任务。
18.可选的，所述预设通用数据处理业务代码还包括静态代码段，所述静态代码段包括数据源接入任务对应的通用操作类执行代码。
19.可选的，所述数据处理参数是预先被配置，并以json格式保存在缓存空间中的。
20.第二方面，本发明实施例还提供了一种数据处理装置，该装置包括：
21.任务识别模块，用于当接收到至少一个数据处理任务启动指令时，识别各数据处理任务启动指令中的数据处理任务标识；
22.参数获取模块，用于根据所述数据处理任务标识分别读取各数据处理任务对应的数据处理参数；
23.任务执行模块，用于分别将每一个所述数据处理任务对应的数据处理参数代入至预设通用数据处理业务代码中，并执行参数代入后的预设通用数据处理业务代码，完成数据处理任务。
24.可选的，所述预设通用数据处理业务代码包括动态配置代码段，所述任务执行模块，用于：
25.针对每一个所述数据处理任务，将所述数据处理任务对应的数据处理参数作为实际参数传入到所述动态配置代码段中形式参数的参数位置，以取代形式参数。
26.可选的，所述数据处理业务包括数据源接入任务，所述数据处理参数包括数据源类型、数据源连接标识、数据改表输出类型、输出参数、数据单表字段、数据算子名称及算子并行数量中的至少一项。
27.可选的，所述任务执行模块，用于：
28.根据所述数据源连接标识连接对应的数据源类型的数据源，并获取所述数据源发出的第一数据表；
29.提取出所述第一数据表中，所述数据单表字段对应的数据，并根据所述数据算子名称对应的算子方法对所述数据单表字段对应的数据进行处理；
30.将经过算子处理的数据依据所述输出参数进行输出并保存，得到第二数据表，完成数据处理任务，其中，所述输出参数包括输出数据库标识、所述第二数据表的索引名和标题。
31.可选的，任务执行模块还用于：
32.根据所述算子并行数，启动对应数目的flink任务线程，以使启动的各flink任务线程并行执行参数代入后的预设通用数据处理业务代码，完成数据处理任务。
33.可选的，所述预设通用数据处理业务代码还包括静态代码段，所述静态代码段包括数据源接入任务对应的通用操作类执行代码。
34.可选的，所述数据处理参数是预先被配置，并以json格式保存在缓存空间中的。
35.第三方面，本发明实施例还提供了一种服务器，所述服务器包括：
36.一个或多个处理器；
37.存储器，用于存储一个或多个程序；
38.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所提供的数据处理方法。
39.第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的数据处理方法。
40.上述发明中的实施例具有如下优点或有益效果：
41.本发明实施例，通过在接收到至少一个数据处理任务启动指令时，识别获取各数据处理任务启动指令中的数据处理任务标识，并根据识别到的任务标识分别读取各数据处理任务对应的数据处理参数，分别将每一个数据处理任务对应的数据处理参数代入至预设通用数据处理业务代码中，即动态配置通用数据处理业务代码中的参数，然后根据配置后参数执行预设通用数据处理业务代码，完成数据处理任务；解决了现有技术中执行多个同类别的数据处理任务时，需要为每一个数据任务开发一个无需参数配置的程序包，导致程序开发工作量大，且在应用过程中过多的程序包占用内存问题，实现了基于通用数据处理业务代码进行参数的动态配置，无需开发过多的程序代码包，也减小了存储空间的占用。
附图说明
42.图1是本发明实施例一提供的一种数据处理方法的流程图；
43.图2是本发明实施例二提供的一种数据处理方法的流程图；
44.图3是本发明实施例二提供的一种数据源接入任务执行过程示意图；
45.图4是本发明实施例三提供的一种数据处理装置的结构示意图；
46.图5是本发明实施例四提供的一种服务器的结构示意图。
具体实施方式
47.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
48.实施例一
49.图1为本发明实施例一提供的一种数据处理方法的流程图，本实施例可适用于在flink平台执行flink任务的情况。该方法可以由配置于数据处理装置执行，该装置可以由软件和/或硬件的方式来实现，集成于具有应用开发功能的服务器设备中。
50.如图1所示，数据处理方法包括以下步骤：
51.s110、当接收到至少一个数据处理任务启动指令时，识别各数据处理任务启动指令中的数据处理任务标识。
52.其中，至少一个数据处理任务是一个或多个同类型的数据处理任务，例如，当任务数量为多个时，多个数据处理任务均是数据读取任务、数据表生成任务或是数据的计算任务等，同类型的数据任务中，每一个数据处理任务的差别在于数据处理的数据表对象不同、
数据生成的格式不同或是数据计算的算子不同等数据处理的参数的不同。
53.由于该方法应用于flink数据处理平台，数据处理任务启动指令可以是在flink数据处理平台启动时自动生成的指令，也可以是经过设置的定时启动指令，或者是用户在flink数据处理平台手动触发数据处理任务生成的任务启动指令。
54.具体的，任务启动指令中携带有数据处理任务的标识，以作为数据处理任务与对应的参数相关联的标识。数据处理任务标识可以是自定义的任务编号，或是数据处理的对象的标识等信息。
55.s120、根据所述数据处理任务标识分别读取各数据处理任务对应的数据处理参数。
56.具体的，各数据处理任务的数据处理参数是预先被配置，并以json格式保存在redis缓存空间中的。数据处理参数包括与数据处理任务相关的参数，包括数据源类型、数据输出类型和数据处理算子等参数中的一个或多个。
57.数据处理参数存储的索引标识是与数据处理任务标识相关联的，因此，可以通过数据处理任务标识读取到各数据处理任务对应的数据处理参数。
58.s130、分别将每一个所述数据处理任务对应的数据处理参数代入至预设通用数据处理业务代码中，并执行参数代入后的预设通用数据处理业务代码，完成数据处理任务。
59.其中，预设通用数据处理业务代码是针对同一类型的数据处理任务开发的一个程序包，由于flink是由java语言实现的平台，预设通用数据处理业务代码可以叫做通用数据处理业务jar包。在通用数据处理业务jar包中包括需要动态配置的代码段和静态代码段。其中，静态代码段，即在代码项目中实现一个数据处理任务的公共任务主类，是在数据处理任务的对象不同时，也需要执行的通用代码段。针对不同的数据处理任务，把相应的数据处理参数作为实际参数传入到动态配置代码段中形式参数的参数位置，以取代形式参数，及动态参数的配置过程，执行参数代入后的预设通用数据处理业务代码，即可完成数据处理任务。
60.而在现有技术中，针对同一类型，但是由个别参数不同形成的不同数据处理任务，通常需要为各个不同的数据处理任务开发一个单独的代码包，并将具体的参数配置好，在执行数据处理任务时，直接调用数据处理任务对应的代码包并执行即可，无需参数配置的过程，这就给程序开发人员带来了较大的工作量。
61.本实施例的技术方案，通过在接收到至少一个数据处理任务启动指令时，识别获取各数据处理任务启动指令中的数据处理任务标识，并根据识别到的任务标识分别读取各数据处理任务对应的数据处理参数，分别将每一个数据处理任务对应的数据处理参数代入至预设通用数据处理业务代码中，即动态配置通用数据处理业务代码中的参数，然后根据配置后参数执行预设通用数据处理业务代码，完成数据处理任务；解决了现有技术中执行多个同类别的数据处理任务时，需要为每一个数据任务开发一个无需参数配置的程序包，导致程序开发工作量大，且在应用过程中过多的程序包占用内存问题，实现了基于通用数据处理业务代码进行参数的动态配置，无需开发过多的程序代码包，也减小了存储空间的占用。
62.实施例二
63.图2为本发明实施例二提供的一种数据处理方法的流程图，本实施例可适用在
flink平台执行flink任务的情况，进一步说明flink任务为数据源接入任务时的任务执行过程，与上述实施例中的数据处理方法属于同一个发明构思。该方法可以由数据处理装置执行，该装置可以由软件和/或硬件的方式来实现，集成于具有应用开发功能的服务器设备中。
64.如图2所示，数据处理方法包括以下步骤：
65.s210、当接收到至少一个数据源接入任务启动指令时，识别各数据源接入任务启动指令中的数据源接入任务标识。
66.其中，数据源接入任务可以是在建立业务模型时，与数据源进行连接，读取数据源提供的数据表数据的任务，通常在建立业务模型的过程中，会接入来自于很多不同数据源的大量数据。当接收到多个数据源接入任务时，每一个数据源接入任务是不尽相同的，其不同之处包括数据表对应的数据源不同、获取数据源的数据表的方式不同、从元数据表中提取出的数据字段不同、对提取出的数据进行计算操作的算子不同或数据源数据处理后输出的目标位置不同几种情况中的一种或多种。例如，多个数据源接入任务就是从五个数据源分别获取表a、表b、表c、表d和表e，以得到表a1、表b1、表c1、表d1和表e1的过程。其中，表a1、表b1、表c1、表d1和表e1是分别从表a、表b、表c、表d和表e抽取出各任务指定的字段的数据，并经过数据处理或信息提取得到的表格。
67.为了区分各数据源接入任务，每个数据源接入任务会设置有一个任务标识，当获取到数据源接入任务启动指令时，便可以从指令中识别获取到对应的任务标识。
68.s220、根据所述数据源接入任务标识分别读取各数据源接入任务对应的数据处理参数。
69.具体的，各数据源接入任务的数据处理参数是预先被配置，并以json(javascript object notation，javascript对象表示法)格式保存在redis缓存空间中的。数据处理参数存储的索引标识是与数据源接入任务标识相关联的，因此，可以通过数据处理任务标识读取到各数据源接入任务对应的数据处理参数。
70.进一步的，数据处理参数包括数据源类型、数据源连接标识、数据改表输出类型、输出参数、数据单表字段、数据算子名称及算子并行数量中的至少一项。其中，数据源类型是指数据源发送数据标的方式，包括消息队列的方式或者基于kafka平台的消息发布订阅方式，即数据源接入任务在读取数据表时时以消费消息队列或订阅消息的方式，获取数据源发出的数据表。数据表源连接标识可以是将要读取的数据表的表名等信息。数据改表输出类型是指在读取到数据表数据之后的数据去向，可以是保存到数据库中，或是以kafka方式将数据发布。输出参数则是指将读取后的数据进行输出时的索引名、标题名和与数据库连接标识等参数。数据单表字段是指将读取后的，经过数据处理得到目标数据表中的字段名称。数据算子名称是对读取到的数据表中的数据进行处理的算法名称，如fliter(过滤)、map(映射)、flatmap(扁平映射)、process(过程)等。算子并行数量是指同时执行同一个数据源接入任务开启的线程数目，在数据源一直不停产生数据时，可以采用多个线程同步读取数据。其中，各个算子需要在项目代码中以spring bean(spring框架下的算子算法实例)的形式实现，在配置系统只配置对应的bean名称和并行度。
71.s230、针对每一个所述数据源接入任务，将所述数据源接入任务对应的数据处理参数作为实际参数传入到预设通用数据源接入业务代码的动态配置代码段中形式参数的
参数位置，以取代形式参数，并执行参数代入后的预设通用数据源接入业务代码，完成数据源接入任务。
72.具体的，预设通用数据源接入业务代码就是一个可以动态配置接入数据源的flink任务模型，其中还包括静态代码部分，在代码项目中实现一个公共的单表任务主类，该类作为flink任务的主类。该类代码中初始化静态元素streamexecutionenvironment(任务入口)。在动态配置好参数之后，执行参数代入后的预设通用数据源接入业务代码过程包括：首先，根据数据源连接标识连接对应的数据源类型的数据源，并获取所述数据源发出的第一数据表；然后，提取出第一数据表中，数据单表字段对应的字段的数据，并根据数据算子名称对应的算子方法对所述数据单表字段对应的数据进行处理；最终，将经过算子处理的数据依据所述输出参数进行输出并保存，得到第二数据表，完成数据处理任务，其中，所述输出参数包括输出数据库标识、所述第二数据表的索引名和标题。
73.示例性的，数据源接入任务的实现过程，可参考图3所示的示意图。source1标识第一数据源，读取该数据源的数据表的flink任务标识为001，可以根据标识001读取缓存的flink任务参数，如001：{datasource:source1,process：[process1],index:index
‑
001,es:es1,out
‑
topic:001
‑
out,field:[{},{},
…
]}。其中，es是指elasticsearch数据库，es1表示数据库中位值，index_001为存入es数据中es1位置的索引号，001_out是以kafka订阅消息方式发出数据表的标题，field是一个类，位于java.lang.reflect包下。在java反射中field类描述的是类的属性信息，功能包括获取当前对象的成员变量的类型以及对成员变量重新设值，process为该flink任务中的算子，从数据中提取过程信息out_topic输出标题是001_out。
[0074]
本实施例的技术方案，通过在接收到至少一个数据源接入任务启动指令时，识别获取各数据源接入任务启动指令中的数据处理任务标识，并根据识别到的任务标识分别读取各数据源接入任务对应的数据处理参数，分别将每一个数据源接入任务对应的数据处理参数代入至预设通用数据源接入业务代码中，即动态配置通用数据源接入业务代码中的参数，然后根据配置后参数执行预设数据源接入处理业务代码，完成数据源接入任务；解决了现有技术中执行多个数据源接入任务时，需要为每一个数据源接入任务开发一个无需参数配置的程序包，导致程序开发工作量大，且在应用过程中过多的程序包占用内存问题，实现了基于通用数据处理业务代码进行参数的动态配置，无需开发过多的程序代码包，也减小了存储空间的占用。
[0075]
以下是本发明实施例提供的数据处理装置的实施例，该装置与上述各实施例的数据处理方法属于同一个发明构思，可实现上述各实施例的数据处理方法。在数据处理装置的实施例中未详尽描述的细节内容，可以参考上述数据处理方法的实施例。
[0076]
实施例三
[0077]
图4为本发明实施例三提供的一种数据处理装置的结构示意图，本实施例可适用于在flink架构执行任务的情况。
[0078]
如图4所示，数据处理装置包括任务识别模块310、参数获取模块320和任务执行模块330。
[0079]
其中，任务识别模块310，用于当接收到至少一个数据处理任务启动指令时，识别各数据处理任务启动指令中的数据处理任务标识；参数获取模块320，用于根据所述数据处
理任务标识分别读取各数据处理任务对应的数据处理参数；任务执行模块330，用于分别将每一个所述数据处理任务对应的数据处理参数代入至预设通用数据处理业务代码中，并执行参数代入后的预设通用数据处理业务代码，完成数据处理任务。
[0080]
本实施例的技术方案，通过在接收到至少一个数据处理任务启动指令时，识别获取各数据处理任务启动指令中的数据处理任务标识，并根据识别到的任务标识分别读取各数据处理任务对应的数据处理参数，分别将每一个数据处理任务对应的数据处理参数代入至预设通用数据处理业务代码中，即动态配置通用数据处理业务代码中的参数，然后根据配置后参数执行预设通用数据处理业务代码，完成数据处理任务；解决了现有技术中执行多个同类别的数据处理任务时，需要为每一个数据任务开发一个无需参数配置的程序包，导致程序开发工作量大，且在应用过程中过多的程序包占用内存问题，实现了基于通用数据处理业务代码进行参数的动态配置，无需开发过多的程序代码包，也减小了存储空间的占用。
[0081]
可选的，所述预设通用数据处理业务代码包括动态配置代码段，所述任务执行模块330，用于：
[0082]
针对每一个所述数据处理任务，将所述数据处理任务对应的数据处理参数作为实际参数传入到所述动态配置代码段中形式参数的参数位置，以取代形式参数。
[0083]
可选的，所述数据处理业务包括数据源接入任务，所述数据处理参数包括数据源类型、数据源连接标识、数据改表输出类型、输出参数、数据单表字段、数据算子名称及算子并行数量中的至少一项。
[0084]
可选的，所述任务执行模块330，用于：
[0085]
根据所述数据源连接标识连接对应的数据源类型的数据源，并获取所述数据源发出的第一数据表；
[0086]
提取出所述第一数据表中，所述数据单表字段对应的数据，并根据所述数据算子名称对应的算子方法对所述数据单表字段对应的数据进行处理；
[0087]
将经过算子处理的数据依据所述输出参数进行输出并保存，得到第二数据表，完成数据处理任务，其中，所述输出参数包括输出数据库标识、所述第二数据表的索引名和标题。
[0088]
可选的，任务执行模块330还用于：
[0089]
根据所述算子并行数，启动对应数目的flink任务线程，以使启动的各flink任务线程并行执行参数代入后的预设通用数据处理业务代码，完成数据处理任务。
[0090]
可选的，所述预设通用数据处理业务代码还包括静态代码段，所述静态代码段包括数据源接入任务对应的通用操作类执行代码。
[0091]
可选的，所述数据处理参数是预先被配置，并以json格式保存在缓存空间中的。
[0092]
本发明实施例所提供的数据处理装置可执行本发明任意实施例所提供的数据处理方法，具备执行方法相应的功能模块和有益效果。
[0093]
实施例四
[0094]
图5为本发明实施例四提供的一种服务器的结构示意图。图5示出了适于用来实现本发明实施方式的示例性服务器12的框图。图5显示的服务器12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。服务器12可以任意具有计算能力的终端设
备，如智能控制器及服务器、手机等终端设备。
[0095]
如图5所示，服务器12以通用计算设备的形式表现。服务器12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
[0096]
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。
[0097]
服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
[0098]
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)30和/或高速缓存存储器32。服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd
‑
rom,dvd
‑
rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
[0099]
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
[0100]
服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该服务器12交互的设备通信，和/或与使得该服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与服务器12的其它模块通信。应当明白，尽管图5中未示出，可以结合服务器12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
[0101]
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发实施例所提供的一种数据处理方法步骤，该方法包括：
[0102]
当接收到至少一个数据处理任务启动指令时，识别各数据处理任务启动指令中的数据处理任务标识；
[0103]
根据所述数据处理任务标识分别读取各数据处理任务对应的数据处理参数；
[0104]
分别将每一个所述数据处理任务对应的数据处理参数代入至预设通用数据处理业务代码中，并执行参数代入后的预设通用数据处理业务代码，完成数据处理任务。
[0105]
实施例五
[0106]
本实施例五提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的数据处理方法，包括：
[0107]
当接收到至少一个数据处理任务启动指令时，识别各数据处理任务启动指令中的数据处理任务标识；
[0108]
根据所述数据处理任务标识分别读取各数据处理任务对应的数据处理参数；
[0109]
分别将每一个所述数据处理任务对应的数据处理参数代入至预设通用数据处理业务代码中，并执行参数代入后的预设通用数据处理业务代码，完成数据处理任务。
[0110]
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd
‑
rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0111]
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
[0112]
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0113]
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如java、smalltalk、c ，还包括常规的过程式程序设计语言，诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0114]
本领域普通技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。
[0115]
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、
重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。